Cechy charakterystyczne stylu Claude Opus 5.5 się zmieniły, ale nie zniknęły

Charakterystyczne cechy stylu Claude Opus 5.5 przetrwały gruntowną zmianę stylu wprowadzoną przez Anthropic, mimo że model używa pauz długich o 99% rzadziej. Najsilniejszym sygnałem jest teraz słowo „niezawodny”, które w artykułach napisanych przez model pojawiało się 23 razy częściej niż w porównywalnych tekstach autorstwa ludzi.

Wniosek ten wynika z analizy Graphite obejmującej artykuły na 9 974 dopasowane tematy. Badacze zidentyfikowali 2 548 słów, fraz i wzorców zdań, których Opus 5.5 używał co najmniej dwa razy częściej niż ludzcy autorzy.

Wynik komplikuje twierdzenie Anthropic, że Opus 5.5 komunikuje się bardziej naturalnie. Jego słownictwo mierzalnie zbliżyło się do ludzkiego pisania, lecz pozostały tysiące różnic statystycznych. Model nie utracił swojego językowego odcisku palca. Zastąpił kilka dobrze znanych nawyków nowym zestawem preferencji.

GPT-6 Astra od OpenAI wykazał inny, wyraźny wzorzec. Częściej zastrzegał twierdzenia i opierał się na korygującym ujęciu, podczas gdy Opus preferował superlatywy i deklaracje o znaczeniu. Porównanie sprawia, że wykrywanie tekstów AI staje się problemem ruchomego celu. Każda wersja modelu zmienia przesłanki, które redaktorzy, nauczyciele i czytelnicy sądzą, że potrafią rozpoznać.

23-krotna preferencja ujawniła nowy wzorzec Opus

Najnowsze charakterystyczne cechy stylu Claude Opus 5.5 to zwykłe słowa, które stają się nietypowe przez powtarzalność.

Graphite opublikował aktualizację dotyczącą Opus 5.5 po tym, jak Anthropic wypuścił model 22 września 2026 roku. Badanie rozszerzyło wcześniejszą analizę obejmującą dziesięć modeli AI oraz zbiór kontrolny tekstów ludzkich.

Badacze wykorzystali 9 974 tematów, dla których każdy model i korpus tekstów ludzkich miały odpowiadający artykuł. Artykuły ludzkie opublikowano przed premierą ChatGPT, co zmniejsza prawdopodobieństwo, że próbki zawierały nieoznaczone treści generowane przez AI.

Każdy model otrzymał streszczenie i wygenerował nowy artykuł na ten sam temat. Takie podejście ograniczyło różnice tematyczne, choć nie mogło wyeliminować wszystkich efektów wynikających z promptów lub doboru źródeł.

Następnie badacze porównali częstotliwości słów i fraz znormalizowane względem długości. Analizowali też ramy, czyli powtarzalne wzorce językowe z lukami, które mogą zawierać do trzech słów.

Według definicji Graphite cecha charakterystyczna występuje w tekstach AI co najmniej dwa razy częściej niż w zbiorze tekstów ludzkich. Filtry częstotliwości wykluczają wyrażenia pojawiające się jedynie w garstce dokumentów.

Wynikające z tego badanie pisania AI wykryło 2 548 cech charakterystycznych Opus 5.5. To zaledwie o 4% mniej niż 2 666 odnotowanych dla Opus 5.

„Niezawodny” przewodził wśród wartościujących przymiotników modelu, występując 23 razy częściej niż w tekstach ludzkich. „Stabilny” pojawiał się 11 razy częściej, a „przemyślany” dziewięć razy częściej. „Znaczący” osiągnął ośmiokrotnie wyższą częstotliwość niż w tekstach ludzkich.

Te słowa same w sobie nie są sztuczne. Ludzki autor może zasadnie nazwać usługę niezawodną lub opisać odpowiedź jako przemyślaną. Ich znaczenie tkwi w zachowaniu zbiorczym, a nie w pojedynczych wystąpieniach.

Charakterystyczny był także język przejść. „Patrząc w przyszłość, ten” pojawiał się 40 razy częściej niż w tekstach ludzkich. „Dodaje kolejną warstwę” osiągnęło 27 razy wyższą częstotliwość, a „co będzie dalej” 24 razy wyższą.

Opus 5.5 zachował też preferencję dla kontrastów. Wzorzec „to więcej niż _ to” pojawiał się 98 razy częściej niż w artykułach ludzkich. „Zamiast po prostu” występowało 32 razy częściej niż w tekstach ludzkich.

Najsilniejsza kategoria modelu dotyczyła podkreślania znaczenia. „To ma znaczenie” pojawiało się 116 razy częściej niż w zbiorze tekstów ludzkich. „Dlaczego _ ma znaczenie” występowało 92 razy częściej.

Liczby te nie oznaczają, że każdy artykuł Opus zawiera te frazy. Opisują względną częstotliwość w dużym, kontrolowanym korpusie. Rzadka fraza może dać wysoki współczynnik, gdy ludzie niemal nigdy jej nie używają.

To rozróżnienie ma znaczenie dla każdego, kto chciałby uznać pojedyncze wyrażenie za dowód. Badanie mapuje nawyki na poziomie populacji. Nie daje wiarygodnego werdyktu o autorstwie jednego akapitu, e-maila czy pracy studenckiej.

Najbardziej uzasadniony wniosek jest węższy. Opus 5.5 wielokrotnie sięga po określone wartościujące i organizujące frazy, gdy przekształca streszczenia w artykuły. Preferencje te pozostają widoczne nawet po dużej rewizji stylu.

Znane cechy stylu pisania AI są już nieaktualne

Pauza długa przestała być użytecznym skrótem, ponieważ zachowanie modeli zmieniło się szybciej niż popularne porady dotyczące wykrywania.

Przez kilka lat czytelnicy traktowali pauzy długie jako nieformalny znacznik tekstu generowanego. Ten znak interpunkcyjny kojarzono z Claude, ponieważ wcześniejsze wersje używały go często.

Opus 5.5 w dużej mierze porzucił ten nawyk. Graphite zmierzył 0,015 pauzy długiej na 1 000 słów, wobec 2,92 w przypadku Opus 5. Oznacza to spadek o około 99%.

Osobna ocena przyniosła podobny wynik kierunkowy. Badacz z Arize wygenerował 57 000 słów przy użyciu Opus 5.5 i znalazł tylko dwie pauzy długie. W jego próbce Opus 5 wystąpiło ich 12,9 na 1 000 słów.

Ten mniejszy niezależny test pisania wykorzystał 20 niezmiennych briefów z pięciu gatunków i pięciu obszarów tematycznych. Badacz ręcznie oznaczył 153 przykłady przed stworzeniem automatycznego ewaluatora.

Zbiór danych był znacznie mniejszy niż korpus Graphite, ale bezpośrednio porównywał zrewidowany model Anthropic z jego poprzednikiem. Stwierdzono, że inne rozpoznawalne „Claudeizmy” zmalały mniej więcej o połowę, zamiast zniknąć.

Zmiana tworzy niewygodne odwrócenie sytuacji. Ludzcy autorzy mogą teraz wzbudzać podejrzenia przez interpunkcję, której obecne czołowe modele rzadko używają.

Twórca modelu może stłumić oczywisty nawyk za pomocą post-treningu, instrukcji systemowych lub preferencji generowanego wyjścia. Użytkownicy mogą też zażądać innej interpunkcji jednym zdaniem w prompcie.

To czyni powierzchowne wskazówki kruchymi. „Zagłębiać się”, pauzy długie, zgrabne trzyczęściowe listy i dopracowane zakończenia mogą opisywać styl. Żadne z nich nie potwierdza autorstwa.

Ten sam problem dotyczy komercyjnych detektorów AI. Klasyfikator wytrenowany na wczorajszych modelach może stracić dokładność, gdy dostawca zmieni zachowanie wyjścia. Model bazowy może zachować tę samą nazwę, podczas gdy jego styl zmienia się wraz z aktualizacją.

Fałszywe pozytywy mają realne konsekwencje. Nauczyciel może oskarżyć ucznia, który naturalnie pisze formalną prozą. Redaktor może spłaszczyć charakterystyczną interpunkcję współpracownika, aby uniknąć automatycznego podejrzenia.

Fałszywe negatywy równie łatwo wywołać. Użytkownik może zażądać nieregularnej długości zdań, usunąć preferowane frazy lub poprosić drugi model o przepisanie pierwszego wyniku. Ludzka redakcja może usunąć oczywiste wzorce bez zmiany pochodzenia tekstu.

Praktyczną odpowiedzią jest wspólna ocena pochodzenia, wsparcia faktograficznego i historii rewizji. Dowody stylistyczne mogą skłonić do bliższej kontroli, lecz nie powinny same rozstrzygać sprawy.

Dla profesjonalnych zespołów oznacza to zachowywanie notatek źródłowych i szkiców. Przeszukiwalna osobista baza wiedzy może pomóc powiązać twierdzenia z dowodami i rejestrować rozwój dokumentu.

Taki przepływ pracy odpowiada na rzeczywiste ryzyko jakości. Nieujawnione użycie AI może mieć znaczenie, ale niepoparte twierdzenia i brak odpowiedzialności zwykle tworzą większy problem operacyjny.

Ustalenia Graphite osłabiają zatem argumenty za prostymi regułami wykrywania. Wzmacniają argumenty za dowodami procesowymi, redakcyjną kontrolą i przejrzystymi zasadami.

Anthropic poprawił styl, nie zacierając odcisku palca

Opus 5.5 statystycznie zbliżył się do ludzkiego pisania, zachowując niemal tyle samo mierzalnych cech charakterystycznych co Opus 5.

Anthropic przedstawił Opus 5.5 wraz z bezpośrednim twierdzeniem dotyczącym komunikacji. Firma podała, że model pisze bardziej naturalnie, umieszcza najważniejsze informacje na początku oraz unika większej ilości żargonu i idiosynkratycznych sformułowań.

Pierwsi testerzy mieli uznać prozę za wyraźniejszą i łatwiejszą do śledzenia. Anthropic przedstawił też lepszą komunikację jako korzyść dla bezpieczeństwa, ponieważ czytelnicy mogli łatwiej kontrolować pracę modelu.

Wyniki Graphite częściowo wspierają to stanowisko. Badacze zmierzyli rozbieżność rozkładu słów za pomocą dywergencji Jensena-Shannona, statystyki porównującej dwa rozkłady prawdopodobieństwa.

Wynik zero oznaczałby identyczne użycie słów. Wynik jeden wskazywałby na brak nakładania się.

Opus 5 uzyskał wynik 0,064 w porównaniu z tekstami ludzkimi. Opus 5.5 spadł do 0,052, czyli o 19%. Oznacza to, że jego ogólny rozkład słów zbliżył się do ludzkiego korpusu.

Model poprawił się także w zakresie „manierycznej prozy”, którą Anthropic definiuje jako język zastępujący bezpośrednie stwierdzenia ozdobnikami lub metaforami. Graphite podał wynik 10,57 dla Opus 5.5, o 37% niższy od 16,75 uzyskanego przez Opus 5.

Artykuły ludzkie uzyskały 6,65. GPT-6 Astra uzyskał 7,91. Opus znacznie się więc poprawił, choć pozostawał bardziej manieryczny niż obie grupy porównawcze.

Wynik dotyczący manierycznej prozy wymaga ostrożnej interpretacji. Graphite użył samego Claude Opus 5 do oceny podpróby 1 000 dopasowanych tematów w skali od zera do 100.

Ewaluator nie wiedział, który model stworzył każdy artykuł. Mimo to jego ocena odzwierciedla interpretację innego modelu, a nie mechaniczny pomiar.

Liczba cech charakterystycznych tworzy główne napięcie. Opus 5.5 wykazał lepsze ogólne podobieństwo słownictwa, ale jego 2 548 cech było zaledwie o 4% mniej niż łączna liczba dla Opus 5.

Wyniki te mierzą różne właściwości. Podobieństwo rozkładowe pyta, jak całe słownictwo wypada w porównaniu z ludzkim pisaniem. Liczba cech charakterystycznych pyta, ile konkretnych wzorców przekracza próg częstotliwości.

Model może poprawić się w pierwszym wymiarze, nie eliminując drugiego. Szerokie wybory słownictwa mogą stać się bardziej ludzkie, podczas gdy wąskie nawyki pozostają silnie skoncentrowane.

Ogłoszenie Opus 5.5 Anthropic podkreślało również lepsze wyniki w pracy opartej na wiedzy. W jednym wewnętrznym zadaniu badawczym 16 z 18 raportów przekroczyło rygorystyczny próg jakości przy różnych ustawieniach nakładu pracy.

Anthropic podał, że zmyślona liczba lub cytat powodowałyby niezaliczenie raportu. Według firmy wcześniejsze modele Opus i Fable nie przekroczyły tego progu w żadnej próbie.

Te wyniki wewnętrzne są istotne, ponieważ naturalna proza i rzetelne badania to odrębne wymiary. Powtarzalna fraza nie czyni raportu błędnym faktograficznie. Język brzmiący po ludzku nie sprawia, że twierdzenie jest prawdziwe.

Szerszy argument firmy dotyczy użyteczności. Jaśniejsze pisanie może skrócić czas kontroli, nawet gdy redaktor nadal potrafi rozpoznać powtarzające się wzorce stylistyczne.

Badania Graphite nie podważają tej poprawy. Wyznaczają jej granicę. Opus 5.5 wydaje się bardziej ludzki w ujęciu zbiorczym, ale „bardziej ludzki” nie oznacza nierozróżnialny.

Opus i Astra pozostawiają różne językowe odciski palców

Ważna konkurencja nie zachodzi między ludzką prozą a jednym stałym stylem AI, lecz między zmieniającymi się odciskami palców modeli a stabilnymi założeniami wykrywania.

GPT-6 Astra nie wypadał po prostu lepiej lub gorzej niż Opus 5.5. Wykazał inny zestaw nawyków.

Astra częściej zastrzegał twierdzenia. „Może zapewnić” pojawiało się w Astrze 18 razy częściej niż w Opus 5.5. „Niekoniecznie” występowało 17 razy częściej.

Fraza „nie stanowi dowodu” wykazała jeszcze większą różnicę, osiągając 275-krotność częstotliwości w Opus 5.5. Wzorce te sugerują, że Astra często zabezpiecza twierdzenie wyraźnymi ograniczeniami.

Opus 5.5 silniej opierał się na superlatywach. W porównaniu z Astrą używał „najpopularniejszy” 45 razy częściej, a „najpotężniejszy” 24 razy częściej.

„Być może najbardziej” pojawiało się 29 razy częściej. Rama „jedną z najlepszych _ w” osiągnęła 79-krotność częstotliwości Astry.

Ten kontrast wpływa na ton. Astra może brzmieć ostrożnie lub korygująco. Opus może brzmieć bardziej oceniająco i pewnie, zwłaszcza gdy nadaje czemuś rangę.

Dyrektor generalny Graphite, Ethan Smith, opisał ten wzorzec jako różnicę, a nie stały postęp. Każdy nowy model może poprawiać się w jednym wymiarze, jednocześnie wykształcając inną rozpoznawalną manierę.

Relacje branżowe prowadziły do tego samego wniosku. Porównanie modeli wskazało, że badanie oceniało dziesięć modeli na tych samych 9 974 tematach.

Rozkład słów w Opus 5.5 przesunął się w stronę ludzi. Astra oddaliła się od nich, zwiększając wskaźnik z 0,101 dla GPT-5.6 Sol do 0,109.

Mimo to Astra tworzyła mniej manieryczną prozę niż Opus. Uniemożliwia to proste uszeregowanie modeli na podstawie jednego wyniku.

Użytkownik może preferować bezpośredniość Astry, jednocześnie nie lubiąc jej zastrzeżeń. Ktoś inny może woleć płynność Opus, usuwając podczas redakcji zbędne superlatywy.

Wyniki komplikują także przypisywanie autorstwa modelom. Fragment może zawierać cechy kojarzone z kilkoma systemami, ponieważ użytkownicy łączą narzędzia w jednym procesie pracy.

Jeden model może prowadzić research, drugi przygotować szkic, a trzeci go zredagować. Człowiek może następnie poprawić rezultat przed publikacją.

Prompty dodają kolejną warstwę. Wyraźny zakaz używania frazy może zmienić częstotliwość jej występowania. Prośba o ostrożny język naukowy może w jednym wymiarze sprawić, że Opus będzie przypominał Astrę.

Systemy dostrojone oraz instrukcje na poziomie aplikacji powodują dalsze zróżnicowanie. Tekst widoczny dla użytkownika może odzwierciedlać model dostawcy, prompt systemowy aplikacji i prośbę użytkownika.

Dlatego określenie „styl AI” stało się zbyt szerokie. Modele frontierowe nie mają już jednego stabilnego głosu, nawet jeśli powtarzają pewne znane struktury.

Presja konkurencyjna dotyczy zarówno laboratoriów modeli, jak i dostawców narzędzi do wykrywania AI. Laboratoria chcą, aby proza dostosowywała się do intencji użytkownika. Dostawcy narzędzi wykrywających potrzebują systemów, które przetrwają szybkie zmiany modeli.

Redaktorzy mierzą się z inną presją. Muszą odróżniać nieszkodliwe powtórzenia stylistyczne od wad, które szkodzą dokładności, jasności lub zaufaniu.

Zdanie mówiące „to ma znaczenie” może być nużące, ale nie jest przez to automatycznie fałszywe. Eleganckie zdanie ze zmyślonym źródłem to znacznie poważniejszy problem.

Pożyteczna lekcja nie polega na szukaniu jednego zastępczego sygnału. Chodzi o uznanie, że generowana proza nosi zmieniające się sygnatury statystyczne, z których żadna nie powinna zastępować osądu redakcyjnego.

Badanie nie może ustalić, kto napisał pojedynczy fragment

Graphite mierzył różnice na poziomie korpusów, a nie przeprowadzał testu kryminalistycznego dla pojedynczych dokumentów lub autorów.

Skala badania czyni jego zbiorcze ustalenia przekonującymi. Jego konstrukcja nakłada jednak ograniczenia na sposób wykorzystania tych ustaleń.

Po pierwsze, eksperyment koncentrował się na generowaniu artykułów na podstawie streszczeń. Nie opisuje automatycznie e-maili, fikcji literackiej, analiz prawnych, esejów szkolnych ani swobodnych rozmów.

Różne zadania zmieniają język modelu. Raport techniczny może naturalnie zawierać więcej zastrzeżeń. Tekst marketingowy może naturalnie zawierać więcej superlatywów.

Po drugie, artykuły kontrolne napisane przez ludzi pochodziły sprzed ChatGPT. Chroni to punkt odniesienia przed oczywistym zanieczyszczeniem, ale wprowadza różnicę czasową.

Zmieniają się konwencje redakcyjne. Zmienia się optymalizacja pod wyszukiwarki. Wydawcy modyfikują strukturę nagłówków, długość akapitów i preferowaną interpunkcję.

Część różnic przypisywanych modelom może częściowo odzwierciedlać współczesne środowisko pisarskie. Projekt Graphite oparty na dopasowanych tematach ogranicza błąd wynikający z treści, ale nie może wyeliminować każdej różnicy historycznej.

Po trzecie, wskaźniki częstotliwości mogą wyolbrzymiać rzadkie zachowania. Jeśli ludzie niemal nigdy nie używają danej frazy, niewielka liczba użyć przez model może wygenerować uderzającą wielokrotność.

Badacze zastosowali minimalne wymogi dotyczące częstotliwości, aby rozwiązać ten problem. Słowa musiały pojawić się w co najmniej 500 artykułach modelu w jednym rankingu, podczas gdy inne analizy wykorzystywały własne progi.

Nawet przy tych filtrach wskaźnik potrzebuje wartości bazowej. „To ma znaczenie” użyte 116 razy częściej niż przez ludzi brzmi rozstrzygająco, ale nie pokazuje, jak często fraza pojawiała się w pojedynczym artykule.

Po czwarte, wyniki odzwierciedlają określone wersje modeli i ustawienia eksperymentalne. Aktualizacje dostawcy, ustawienia inferencji, prompty systemowe i instrukcje użytkownika mogą zmieniać wynik.

Po piąte, badanie pochodziło od Graphite, firmy zajmującej się marketingiem i wzrostem, a nie od niezależnego laboratorium akademickiego. Jej badacze opublikowali dane dotyczące podstawowych sygnałów oraz surowe artykuły, co umożliwia zewnętrzną kontrolę.

Niezależna replikacja pozostaje cenna. Badacze powinni testować inne gatunki, języki, projekty promptów i punkty odniesienia oparte na tekstach ludzi. Powinni również podawać częstotliwości bezwzględne obok wskaźników względnych.

Wczesny test Arize stanowi jedno użyteczne porównanie. Potwierdził on wyraźne ograniczenie stosowania półpauz, jednocześnie wykazując, że szersze nawyki stylistyczne pozostały.

Mimo to jego 20 briefów nie może potwierdzić każdego wyniku z niemal 10 000 dopasowanych tematów. Oba projekty wykorzystywały różne podejścia i odpowiadały na różne pytania.

Najsolidniejsze zewnętrzne relacje zachowały widoczność tych granic. Oryginalny artykuł o sygnałach stylu pisania opisał nawyki modelu, nie twierdząc, że jakakolwiek fraza dowodzi autorstwa AI.

Czytelnicy powinni zachować tę samą powściągliwość. Podejrzana fraza może skłonić do postawienia pytania. Nie może jednak sama na nie odpowiedzieć.

W przypadku wydawców bardziej wiarygodna weryfikacja pyta, czy twierdzenia mają źródła, cytaty odpowiadają oryginałom, a wnioski wynikają z dowodów. Pyta też, kto bierze odpowiedzialność za ostateczny tekst.

W szkołach zasady dotyczące autorstwa powinny określać dopuszczalną pomoc, zanim dojdzie do sporów. Historia wersji roboczych, cytowania i ustna rozmowa uzupełniająca stanowią silniejszy dowód niż sama interpunkcja lub słownictwo.

W firmach zasady ujawniania powinny odpowiadać poziomowi ryzyka. Rutynowe wewnętrzne podsumowanie nie wymaga takich samych mechanizmów kontroli jak porady medyczne, analizy finansowe czy publiczne raportowanie.

Badanie ujawnia tendencje, a nie winę. Traktowanie go jako detektora przekształciłoby ostrożne badania opisowe w niewiarygodne narzędzie egzekwowania zasad.

Trzy sygnały pokażą, czy nowe cechy się utrzymają

Kolejnym testem będzie to, czy obecny odcisk stylu Opus 5.5 przetrwa replikację, prompty użytkowników i następną aktualizację modelu.

Pierwszym sygnałem jest niezależne odtworzenie wyników Graphite. Badacze muszą wygenerować porównywalne korpusy z użyciem innych promptów, gatunków i próbek tekstów ludzkich.

Jeśli „niezawodny”, „to ma znaczenie” i schematy kontrastów pozostaną podwyższone, argument za trwałą sygnaturą Opus 5.5 stanie się mocniejszy. Jeśli znikną przy niewielkich zmianach promptów, będą słabymi sygnałami przypisania autorstwa.

Drugim sygnałem jest to, jak szybko Anthropic zmieni język modelu. Firma wyraźnie zareagowała na krytykę stylu komunikacji Opus 5.

Późniejsza aktualizacja mogłaby ograniczyć obecne sygnały równie wyraźnie, jak Opus 5.5 ograniczył stosowanie półpauz. Potwierdziłoby to, że widoczne cechy stylistyczne są regulowanymi zachowaniami produktu.

Trzecim sygnałem jest to, czy dostawcy narzędzi wykrywających opublikują oceny specyficzne dla wersji. Detektor powinien być testowany na aktualnych modelach, mieszanych procesach pracy człowiek–AI oraz po redakcji wyników.

Deklaracje dotyczące dokładności wymagają również podania wskaźników fałszywie pozytywnych wyników w różnych społecznościach piszących. Osoby, dla których angielski nie jest językiem ojczystym, specjaliści techniczni i osoby o formalnym stylu nie powinny stawać się przypadkowymi ofiarami.

Bardziej użyteczna przyszłość może opierać się na pochodzeniu treści, a nie na językowym zgadywaniu. Podpisane zapisy generowania, zachowane wersje robocze i jasne ujawnienia mogłyby dokumentować proces bez udawania, że sama proza ujawnia swoje źródło.

Dla autorów natychmiastowe działanie jest proste. Przeszukaj szkice pod kątem powtarzających się słów oceniających, schematycznych kontrastów, niepotrzebnych superlatywów i zdań, które ogłaszają wagę czegoś, zamiast ją wykazywać.

Następnie zweryfikuj każde twierdzenie faktyczne. Usuń pewność bez pokrycia. Zachowaj nietypową interpunkcję, gdy służy zdaniu, zamiast usuwać ją po to, by uniknąć podejrzeń.

Cechy stylu pisania Claude Opus 5.5 stanowią wartościową listę kontrolną dla redaktorów, ale nie są werdyktem. Czy wydawcy wykorzystają te ustalenia do ulepszenia procesu weryfikacji, czy zamienią kolejny tymczasowy wzorzec w niewiarygodny skrót?